وظائف النشّط هي عناصر أساسية للشبكات العصبية، يحددون ما إذا كان يجب تفعيل أو عدم التأثير على قدرة الشبكة على تعلم الأنماط المعقدة، هذه المادة تستكشف النظرية وراء وظائف النشّط، وكيفية إجراء الحسابات، وآثارها العملية في نماذج التعلّم الآلي.

نظرية وظائف التنشيط

وتُدخل وظائف النشّط عدم التكتم في الشبكات العصبية، مما يمكّنها من تكوين علاقات بيانات متداخلة، وبدون هذه المهام، تتصرف الشبكات مثل النماذج الخفية البسيطة، مما يحد من قدرتها، وتشمل مهام النشّط المشتركة سيغمود، وتانه، ووحدة التحرير، والبرمجيات.

حساب وظائف التنشيط

(ج) حساب ناتج وظيفة تنشيطية ينطوي على تطبيق صيغة رياضية على المدخلات التي يتلقاها العصب، وعلى سبيل المثال، يؤدي عمل وحدة التحكم في الممتلكات إلى مدخلات إذا كان إيجابياً أو صفراً غير ذلك، وتحوّل وظيفة سيغمود المدخلات إلى قيم تتراوح بين صفر و1، محسوبة على أنها 1/1 +1 -x]).

الآثار العملية

ويؤثر اختيار وظيفة الحفز الصحيح على كفاءة التدريب ودقته في الشبكات العصبية، ويستخدم نظام إعادة التوطين والتنقل على نطاق واسع بسبب بساطة وفعالية الشبكات العميقة، غير أن وظائف مثل سيغمود قد تسبب قضايا مثل اختفاء التدرجات، مما يؤثر على سرعة التعلم.